Se modeler à l’IA

Les tout premiers réseaux de neurones artificiels n’étaient pas des abstractions à l’intérieur d’un ordinateur personnel, mais de véritables systèmes physiques créés à partir de moteurs vrombissants et de gros faisceaux de câbles. Ici, je vais illustrer la meilleure façon d’en développer un par vous-même en utilisant SnapCircuits, un système d’appareils électroniques pour enfants. Je réfléchirai également à la manière de créer un réseau qui fonctionne réellement en utilisant une caméra Web. Et je vais raconter des choses que j’ai acquises en parlant avec l’artiste Ralf Baecker, qui a développé un réseau utilisant des cordes, des leviers et des haltères de guidage. J’ai montré à la communauté SnapCircuits l’année dernière à John Hopfield, un physicien de l’Université de Princeton qui a développé des sites neuronaux à partir des années 1980, et qu’il s’est facilement absorbé dans la mise au point du programme pour savoir ce qu’il pourrait facilement le terminer. J’étais des visiteurs de l’Institute for Advanced Review et j’ai passé des heures à interviewer Hopfield pour ma prochaine publication sur la physique ainsi que les réflexions. Le genre de groupe pour lequel Hopfield est devenu réputé est un peu différent des systèmes sérieux que la reconnaissance de l’apparence énergétique avec d’autres A.I. méthodes de nos jours. Il est toujours constitué de modèles d’ordinateurs standard – des «neurones» – qui sont connectés les uns aux autres, pour s’assurer que chacun réagit à ce que font les autres. Mais les neurones ne sont certainement pas disposés en niveaux: il n’y a pas de perspicacité, de résultat ou de niveaux intermédiaires engagés. Alternativement, le système est un enchevêtrement important de panneaux qui se réveillent d’eux-mêmes, développant un programme incroyablement dynamique. Vous pouvez vous en sortir avec une conception bâclée pour obtenir une communauté de quelques neurones, mais vous devrez être beaucoup plus systématique avec plusieurs. Chaque neurone peut être un changement qui s’allume ou s’éteint en fonction de ses entrées. En commençant par un premier état, les neurones se bousculent et se réajustent. Un neurone peut provoquer la transformation d’un autre neurone, déclenchant l’activation ou la désactivation d’une cascade de neurones, modifiant peut-être le statut de votre neurone initial. De préférence, le système s’installe dans une routine fixe ou cyclique. L’appareil exécute ainsi un calcul en commun, au lieu d’effectuer un traitement par déplacement comme le font les ordinateurs personnels traditionnels. En 1981, alors à Caltech, Hopfield a présenté une discussion de son groupe de rétroaction, et aussi dans le public cible était vraiment un scientifique de navigation, John Lambe. Lambe a été inspiré pour créer l’instanciation corporelle initiale, composée de six neurones contrôlés par des changements à bascule. Il a établi qu’un groupe de cette disposition se stabilisait plutôt qu’une boucle chaotique, c’était le problème principal de Hopfield. Hopfield a dessiné le circuit dans un article de 1984. Conception SnapCircuits Le modèle SnapCircuits a environ trois neurones, le nombre minimum pour découvrir des actions intrigantes. Je suppose que vous connaissez généralement SnapCircuits et que vous découvrirez peut-être comment assembler le circuit dans le schéma et les images. J’ai montré les pièces requises à la fin de cette soumission. Ils n’avaient pas de SnapCircuits une fois que j’étais vraiment enfant, et j’ai trouvé qu’il était plus difficile qu’il n’y paraît de réussir un circuit. Il existe sans aucun doute de meilleures méthodes que les miennes, vous devriez donc me livrer vos photos. Les relais électriques fonctionnent comme les neurones. Lorsque leur tension d’entrée dépasse une certaine importance de tolérance, il bascule avec un clic gratifiant, allumant une lumière. Un inconvénient des relais est en fait un résultat de stockage: une fois allumés, ils sont difficiles à désactiver une fois de plus, et inversement. Cela peut provoquer la mise en place du réseau, comme l’a observé Hopfield dans les premiers articles sur le sujet. Le groupe en général peut stocker des informations, mais vous ne voulez pas que des neurones spécifiques effectuent la même chose. Pour écraser ce souci, formation référencement naturel j’appaire chaque relais ayant un transistor pour contrôler son entrée. Une résistance de facteur dans l’entrée du transistor vous permet de régler correctement la limite du neurone – sa «polarisation» – ce qui rend plus facile ou plus difficile la mise en marche et l’arrêt. La plus petite résistance de facteur dans la palette SnapCircuits a une plus grande importance que cette résistance croit que j’utilise personnellement ailleurs dans le circuit, donc une petite amélioration dans son établissement donne un gros résultat, en fait c’est un défi correct. De plus, je repère un condensateur en parallèle avec toutes les entrées de communication pour réduire les transitions, ce qui simplifie la visualisation du groupe évoluer.